CableRobotGraphSim：用于建模部分可观测电缆驱动机器人动力学的图神经网络
机器人学
2026-02-26 v1
摘要
通用仿真器已加速了机器人的发展。但基于第一性原理的传统仿真器通常需要完全观测状态，或依赖参数搜索进行系统辨识。本 work 提出了 \texttt{CableRobotGraphSim}，一种新型图神经网络 (GNN) 模型，用于电缆驱动机器人，以解决先前仿真方案的不足。通过将电缆驱动机器人表示为图结构（刚体作为节点，电缆和接触作为边），该模型能够快速且准确地匹配其他仿真模型和真实机器人的特性，同时仅输入部分可观测数据。配套的 GNN 模型还伴随一种仿真-真实联合训练程序，以促进对噪声真实数据的泛化与鲁棒性。该模型进一步集成到基于 Model Predictive Path Integral (MPPI) 的闭环导航控制器中，展示了该模型的速度与准确性。
引用
@article{arxiv.2602.21331,
title = {CableRobotGraphSim: A Graph Neural Network for Modeling Partially Observable Cable-Driven Robot Dynamics},
author = {Nelson Chen and William R. Johnson and Rebecca Kramer-Bottiglio and Kostas Bekris and Mridul Aanjaneya},
journal= {arXiv preprint arXiv:2602.21331},
year = {2026}
}